estadistica actuarial
Páginas: 13 (3069 palabras)
Publicado: 10 de febrero de 2014
CUMES-6º CAF… PRUEBA DE CONOCIMIENTOS DICIEMBRE DE 2009
APELLIDOS, NOMBRE:
Responda a las siguientes preguntas en el espacio habilitado al efecto. 60’
1. ¿Cómo definiría el análisis multivariante?
Es el conjunto de métodos estadísticos cuya finalidad es analizar simultáneamente conjuntos de datos multivariantes en el sentido de que hay varias variables medidas para cada individuo uobjeto estudiado
Su razón de ser radica en un mejor entendimiento del fenómeno objeto de estudio obteniendo información que los métodos estadísticos univariantes y bivariantes son incapaces de conseguir.
El objetivo es ayudar al analista o investigador a tomar decisiones óptimas en el contexto en el que se encuentre teniendo en cuenta la información disponible por el conjunto de datosanalizados.
2. Defina la naturaleza de la investigación perseguida y las características de las escalas de medida de las variables empleadas en cada una de las siguientes técnicas. Ponga un breve ejemplo de cada una.
Análisis de la varianza de un factor: modelo que sirve para comparar una variable categórica, cualitativa o independiente en una variable dependiente o cuantitativa.
La variablecategórica es la que define el grupo que queremos comparar y la variable cuantitativa es en la que deseamos comparar los grupos.
ANOVA permite obtener información sobre el resultado de esa comparación, partiendo de la hipótesis de que las medias poblacionales de ambas variables son iguales, para cualquier estadístico F. Si éste presenta un nivel de significación inferior al 0,05 aceptamos ANOVAcomo método.
Ejemplo: si el abono influye o no en el rendimiento.
Análisis de la varianza de múltiples factores: Sirve para evaluar el efecto individual y conjunto de dos o más factores (variables independientes o categóricas) sobre una variable dependiente. Aquí existe una hipótesis nula por cada factor y por cada posible combinación de factores. Para contrastar estas hipótesis, nosapoyamos en el estadístico F. El nivel crítico asociado a cada estadístico F es quien permite decir si podemos aceptar o rechazar una hipótesis.
Ejemplo: analizar si el día de la semana y el lineal en el que se encuentre un producto afecta o no a las ventas.
Análisis factorial: Método que tiene por objeto definir la estructura subyacente de un conjunto de datos, para así analizar la estructura decorrelaciones entre las variables mediante factores. Con el objetivo de resumir y reducir los datos, sin perder excesiva información. Se tratan todas las variables simultáneamente, aquí no existe una variable dependiente y otra independiente, sino que todas deben de ser métricas (cuantitativas)
Ejemplo: Un conjunto de variables métricas (cilindrada, peso, potencia, precio, consumo, velocidadmáxima…) de un total de 125 coches. Seleccionamos una serie de variables para determinar sus factores comunes y así reducir su dimensión.
Análisis discriminante simple: técnica estadística capaz de decirnos qué variables permiten diferenciar a los grupos (grupos de mismas características) y cuántas de estas variables son necesarias para alcanzar la mejor calificación posible. La pertenencia alos grupos, conocida de antemano, se utiliza como variable dependiente. En las variables que suponemos que se diferencian los grupos se utilizan como variables independientes o discriminantes.
Ejemplo: partiendo del ratio de BAII (Beneficio Antes de Intereses e Impuestos) y del RC (Rentabilidad del Capital), de dos grupos preexistentes de empresas, las más admiradas y las menos admiradas,Establecer la combinación lineal del BAII y RC (buscar la función discrimínate) que mejor permite discriminar.
3. Defina los siguientes conceptos, proporcionando un ejemplo: hipótesis nula y alternativa, errores tipo I y II, alfa, beta, 1-beta, poder de un contraste
Hipótesis nula (Ho): es una hipótesis construida para anular o refundar, con el objetivo de apoyar una hipótesis alternativa....
APELLIDOS, NOMBRE:
Responda a las siguientes preguntas en el espacio habilitado al efecto. 60’
1. ¿Cómo definiría el análisis multivariante?
Es el conjunto de métodos estadísticos cuya finalidad es analizar simultáneamente conjuntos de datos multivariantes en el sentido de que hay varias variables medidas para cada individuo uobjeto estudiado
Su razón de ser radica en un mejor entendimiento del fenómeno objeto de estudio obteniendo información que los métodos estadísticos univariantes y bivariantes son incapaces de conseguir.
El objetivo es ayudar al analista o investigador a tomar decisiones óptimas en el contexto en el que se encuentre teniendo en cuenta la información disponible por el conjunto de datosanalizados.
2. Defina la naturaleza de la investigación perseguida y las características de las escalas de medida de las variables empleadas en cada una de las siguientes técnicas. Ponga un breve ejemplo de cada una.
Análisis de la varianza de un factor: modelo que sirve para comparar una variable categórica, cualitativa o independiente en una variable dependiente o cuantitativa.
La variablecategórica es la que define el grupo que queremos comparar y la variable cuantitativa es en la que deseamos comparar los grupos.
ANOVA permite obtener información sobre el resultado de esa comparación, partiendo de la hipótesis de que las medias poblacionales de ambas variables son iguales, para cualquier estadístico F. Si éste presenta un nivel de significación inferior al 0,05 aceptamos ANOVAcomo método.
Ejemplo: si el abono influye o no en el rendimiento.
Análisis de la varianza de múltiples factores: Sirve para evaluar el efecto individual y conjunto de dos o más factores (variables independientes o categóricas) sobre una variable dependiente. Aquí existe una hipótesis nula por cada factor y por cada posible combinación de factores. Para contrastar estas hipótesis, nosapoyamos en el estadístico F. El nivel crítico asociado a cada estadístico F es quien permite decir si podemos aceptar o rechazar una hipótesis.
Ejemplo: analizar si el día de la semana y el lineal en el que se encuentre un producto afecta o no a las ventas.
Análisis factorial: Método que tiene por objeto definir la estructura subyacente de un conjunto de datos, para así analizar la estructura decorrelaciones entre las variables mediante factores. Con el objetivo de resumir y reducir los datos, sin perder excesiva información. Se tratan todas las variables simultáneamente, aquí no existe una variable dependiente y otra independiente, sino que todas deben de ser métricas (cuantitativas)
Ejemplo: Un conjunto de variables métricas (cilindrada, peso, potencia, precio, consumo, velocidadmáxima…) de un total de 125 coches. Seleccionamos una serie de variables para determinar sus factores comunes y así reducir su dimensión.
Análisis discriminante simple: técnica estadística capaz de decirnos qué variables permiten diferenciar a los grupos (grupos de mismas características) y cuántas de estas variables son necesarias para alcanzar la mejor calificación posible. La pertenencia alos grupos, conocida de antemano, se utiliza como variable dependiente. En las variables que suponemos que se diferencian los grupos se utilizan como variables independientes o discriminantes.
Ejemplo: partiendo del ratio de BAII (Beneficio Antes de Intereses e Impuestos) y del RC (Rentabilidad del Capital), de dos grupos preexistentes de empresas, las más admiradas y las menos admiradas,Establecer la combinación lineal del BAII y RC (buscar la función discrimínate) que mejor permite discriminar.
3. Defina los siguientes conceptos, proporcionando un ejemplo: hipótesis nula y alternativa, errores tipo I y II, alfa, beta, 1-beta, poder de un contraste
Hipótesis nula (Ho): es una hipótesis construida para anular o refundar, con el objetivo de apoyar una hipótesis alternativa....
Leer documento completo
Regístrate para leer el documento completo.